本论文分为两部分：人工神经网络在天然产物结构分析中的应用和火热症类型分析。 天然产物尤其是海洋天然产物是目前国内外药物学家、天然产物学家、化学家等研究重点。天然产物在进行药物开发前一个重要工作就是要确定化合物的结构。核磁共振波谱尤其是一维核磁数据(13C NMR和1H NMR)在化合物结构研究中具有重要应用。基于误差反向传播的多层前馈神经网络(BP神经网络)广泛应用于药学、医学、中药现代化、天然产物等领域,是目前应用最广泛、最成功的神经网络模型。本文首次将反向传播神经网络理论(BP)用于13C NMR和1H NMR之间的关系研究。同时还采用主成分分析法对高露洁有限公司的火热症数据进行分析。 论文第一部分介绍了人工神经网络的基本原理及其BP神经网络模型。基于BP神经网络理论知识,选取有代表意义的西松烷类化合物内酯2位、环氧环中3、11位的1H、13C NMR化学位移值为研究对象,采用BP模型对选定化合物的13C NMR对1H NMR化学位移值进行预测。通过反复试验及相关试验结果得出对于具有内酯结构的西松烷类化合物,隐含层节点10个最佳；而具有环氧结构的西松烷类化合物隐含层节点4个最佳。通过本试验得出BP模型可以在天然产物化学结构研究中用于NMR的化学位移值的预测。 论文第二部分利用图表对火热症的症状进行分析,得出主要症状为：溃疡、口干、免疫球蛋白,次要症状为：牙龈肿痛或出血、眼干、咽喉干燥、失眠、大便秘结；利用主成分分析原理研究火热症各个指标间的相关性,得出中医指标相关系数表；对患者患病情况进行分析,得出综合评价指标E;利用聚类分析对患者患病中医指标的特征分类进行探讨,将中医指标分为实火和虚火两类。为开发出具有清热解毒、抗菌消炎、止血止痛等作用的中药牙膏奠定了一定的理论与应用基础。